1.

Persamaan Regresi
Berganda
Analisis Regresi Linier Berganda adalah hubungan
secara linear antara dua atau lebih variabel
independen (X1 X2,....Xn,) dengan variabel dependen
(Y).
Analisis ini untuk memprediksikan nilai dari variabel
dependen apabila nilai variabel independen
mengalami kenaikan atau penurunan.
Dan untuk mengetahui arah hubungan antara
variabel independen dengan variabel dependen
apakah masing-masing variabel independen
berhubungan positif atau negatif.
Persamaan regresi linear berganda sebagai berikut:

Y'= a+ b1X1+ b2X2+…+ b n X n

Keterangan:
Y' = Variabel dependen (nilai yang diprediksikan)
X1, X2…Xn = Variabel independen
a = Konstanta (nilai Y' apabila X1, X2…Xn = 0)
b1, b2…bn = Koefisien regresi (nilai peningkatan ataupun
penurunan)
Langkah-langkah pada Program SPSS 17
Klik Analyze >> Regression >> Linier. Selanjutnya
terbuka kotak dialog Linier Regression
Klik variabel Y dan masukkan ke kotak Dependent,
kemudian klik variabel X1 dan X2 kemudian
masukkan ke kotak Independent(s).
Klik OK,
2. Analisis Korelasi Ganda (R)
Analisis korelasi ganda digunakan untuk mengetahui
hubungan antara dua atau lebih variabel
independen (X1, X2,… Xn) terhadap variabel
dependen (Y) secara serentak.
Koefisien ini menunjukkan seberapa besar hubungan
yang terjadi antara variabel independen (X1, X2,…X n)
secara serentak terhadap variabel dependen (Y).
Nilai R berkisar antara 0 sampai 1, nilai semakin
mendekati 1 berarti hubungan yang terjadi semakin
kuat, sebaliknya nilai semakin mendekati 0 maka
hubungan yang terjadi semakin lemah.
Rumus korelasi ganda dengan dua variabel independen adalah:
Ry.x1x2 = √(ryx1)2 + (ryx2)2 – 2(ryx1)(ryx2)(rx1x2)
1 – (rx1x2)2
Keterangan:
Ry.x1xl = korelasi variabel X1 dengan X2 secara bersama-sama dengan
harga saham
ryx1 = korelasi sederhana (product moment pearson) antara X1
dengan Y
ryx2 = korelasi sederhana (product moment pearson) antara X2
dengan Y
rx1x2 = korelasi sederhana (product moment pearson) antara X1 dengan
X2
Menurut Sugiyono (2007) pedoman untuk
memberikan interpretasi koefisien korelasi sebagai
berikut:
0,00- 0,199 = sangat rendah
0,20- 0,399 = rendah
0,40- 0,599 = sedang
0,60- 0,799 = kuat
0,80- 1,000 = sangat kuat
3. Analisis Determinasi (R2)
Analisis determinasi digunakan untuk mengetahui
persentase sumbangan pengaruh variabel
independen (X1, X2,…Xn) secara serentak
terhadap variabel dependen (Y).

Koefisien ini menunjukkan seberapa besar persentase

variasi variabel independen yang digunakan dalam
model mampu menjelaskan variasi variabel
dependen.
R2 sama dengan 0, maka tidak ada sedikit pun persentase
sumbangan pengaruh yang diberikan variabel independen
terhadap variabel dependen, atau variasi variabel
independen yang digunakan dalam model tidak
menjelaskan sedikit pun variasi variabel dependen.

Sebaliknya R2 sama dengan 1, maka persentase sumbangan

pengaruh yang diberikan variabel independen terhadap
variabel dependen adalah sempurna, atau variasi variabel
independen yang digunakan dalam model menjelaskan
100% variasi variabel dependen.
Rumus mencari koefisien determinasi dengan dua variabel independen
adalah:
R2 = (ryx1)2 + ryx2)2 – 2(ryx1)(ryx2)(rx1x2)
1 – (rx1x2)2
Keterangan:
R2 = koefisien determinasi
ryx1 = korelasi sederhana (product moment pearson) antara X1
dengan Y
ryx2 = korelasi sederhana (product moment pearson) antara X2 dengan Y
rx1x2 = korelasi sederhana (product moment pearson) antara X1 dengan
X2

Adjusted R Square adalah nilai R Square yang telah
disesuaikan.
Menurut Santoso (2001) bahwa untuk regresi dengan
lebih dari dua variabel independen digunakan
Adjusted R2 sebagai koefisien determinasi.
Sedangkan Standard Error of the Estimate adalah
suatu ukuran banyaknya kesalahan model regresi
dalam memprediksikan nilai Y.
4. Uji Koefisien Regresi Secara Bersama-
sama (Uji F)
Uji ini digunakan untuk mengetahui apakah variabel
independen (X1,X2... Xn) secara bersama-sama berpengaruh
secara signifikan terhadap variabel dependen (Y).
F hitung dapat dicari dengan rumus sebagai berikut:

F hitung = R2/k .
(1 – R2) / (n – k – 1)
Keterangan:
R2 = Koefisien determinasi
n = Jumlah data atau kasus
k = Jumlah variabel independen
Hasil uji F dapat dilihat pada output ANOVA dari
hasil analisis Regresi Linier Berganda di atas. Tahap-
tahap untuk melakukan Uji F, adalah:

1. Merumuskan Hipotesis
Ho: Tidak ada pengaruh antara PER dan ROI secara
bersama-sama terhadap harga saham.
Ha: Ada pengaruh antara PER dan ROI secara
bersama-sama terh­adap harga saham.

2. Menentukan tingkat signifikansi

Tingkat signifikansi menggunakan 0,005 (a = 5%)
5. Kriteria pengujian
 Ho diterima bila F hitung ≤ F tabel
 Ho ditolak bila F hitung > F tabel

6. Membandingkan F hitung dengan F tabel.

Nilai F hitung > F tabel (28,953 > 3,592), maka Ho
ditolak.
5. Uji Koefisien Regresi Secara Parsial (Uji
t)
Uji ini digunakan untuk mengetahui apakah dalam
model regresi variabel independen (X1, X2,…Xn) secara
parsial berpengaruh signifikan terhadap variabel
dependen (Y).
Rumus t hitung pada analisis regresi adalah:
t hitung = bi / Sbi

Keterangan:
bi = Koefisien regresi variabel i
Sbi = Standar error variabel
Hasil uji t dapat dilihat pada output Coefficients dari
hasil analisis Regresi Linier Berganda di atas.
1. Menentukan Hipotesis
Ho: Secara parsial tidak ada pengaruh antara X
dengan Y
Ha: Secara parsial ada pengaruh antara X dengan Y
Ho diterima jika -t tabel <_ t hitung <_ t tabel
Ho ditolak jika -t hitung < -t tabel atau t hitung > t
tabel

2. Menentukan tingkat signifikansi

Tingkat signifikansi menggunakan 0,05 (a = 5%)